REGRESSÃO ESPACIAL

Prática no GeoDa e GWR

Vitor Vieira Vasconcelos

BH1350 – M étodos e Técnicas de Análise da I nformação para o Planejamento

Agosto de 2016
 PRÁTICA – PARTE I
Regressão Espacial no GeoDA

Modelos com Efeitos Espaciais Globais

Spatial Lag & Spatial Error
 GeoDa
File > New Project >
Municipios_AGUA&REDE_2010_SELECTED_WGS84.shp
 Matriz de Vizinhança
Tools > Weights Manager > Create
 Regressão Clássica
Regression >
Regression
 Regressão Clássica
Salvando Resultados da Regressão
Regressão Clássica: Resultados

 Quanto maior o Log likelihood, melhor o ajuste

 Quanto menor o critério Akaike de Informação, melhor o ajuste
 Regressão Clássica: Resultados

 MULTICOLINEARIDADE
Não é um teste estático. De maneira geral, um valor superior a 30 sugere algum
problema.

 TESTE DE NÃO-NORMALIDADE (Jarque-Bera)

Hipótese Nula: A distribuição é normal

No exemplo, hipótese nula foi rejeitada.

Regressão Clássica: Resultados

HETEROCEDASTICIDADE (Breusch-Pagan, Koenker-Basset e Teste White)

Hipótese Nula: Variância é constante (Homocedasticidade)

No exemplo, hipótese nula foi rejeitada.

Regressão Clássica: Resultados

AUTOCORRELAÇÃO ESPACIAL

Índice de Moran

Hipótese Nula: Não há autocorrelação espacial

No exemplo, hipótese nula foi rejeitada.

 Regressão Clássica: Resultados
Como salvamos os resíduos e valores previstos na tabela, podemos elaborar
mapas e gráficos a partir destas informações.

HISTOGRAMA DOS RESÍDUOS (lembrando que podemos ligar gráfico ao mapa)

Se quiser salvar os resultados para verificar as observações com maiores
resíduos: Table > Save Selection
Os mesmos casos também se destacam no diagrama de dispersão dos
“RESÍDUOS” vs. “RENDAPITA”
Novamente, os mesmos casos se destacam no diagrama de dispersão dos
“RESÍDUOS” vs. “SQR_REDE”
Diagrama de dispersão dos “RESÍDUOS” vs. “VALORES PREVISTOS”
 Regressão Clássica:
Autocorrelação dos Resíduos
Space > Univariate Local Moran’s I > OLS_RESID

High-High: Cluster de resíduos

positivos (Valor observado é
maior do que valor ajustado)

Low-Low: Cluster de resíduos

negativos (Valor observado é
menor do que valor ajustado)

RESÍDUOS NÃO SÃO INDEPENDENTES!!!

Regressão “Spatial Error”
RESIDUAL: Resíduos do modelo

PREDICTION ERROR: Considera

apenas as variáveis exógenas (renda
e rede de água)
Regressão “Spatial Error”
 Regressão “Spatial Error”
Comparação

Regressão Regressão
Simples “Spatial Error”
logLikelihood -16959 -16374
Akaike Info 33925 32754
Criterion
 Regressão “Spatial Error”
Comparação de coeficientes padronizados

Regressão Regressão
Simples “Spatial Error”
Constante -12.91 -0.03
A_Rendapit 35.07 19.82
SQR_Rede 39.95 34.69
Lambda 35.24
 Regressão Spatial Error:
Autocorrelação dos Resíduos
Space > Univariate Local Moran’s I > ERRS_RESIDU
ÍNDICE DE MORAN = -0,07

Era 0,32 nos resíduos da regressão clássica

DIMINUIU MUITO A AUTOCORRELAÇÃO

ESPACIAL DOS RESÍDUOS
Regressão “Spatial Lag”
Regressão “Spatial Lag”
 Regressão “Spatial Lag”
Comparação

Regressão Regressão Regressão

Simples “Spatial Error” “Spatial Lag”
logLikelihood -16959 -16374 -16427
Akaike Info 33925 32754 32863
Criterion
 Regressão “Spatial Error”
Comparação de coeficientes padronizados

Regressão Regressão Regressão

Simples “Spatial Error” “Spatial Lag”
Constante -12.90 -0.03 -20.90
A_Rendapit 35.07 19.82 20.15
SQR_Rede 39.95 34.69 36.53
Variável 35.24 31.31
Espacial
Para salvar os resultados na
tabela do .shp, vá em:
File > Save
 PRÁTICA – PARTE II
Regressão Espacial
no Software GWR

Geographically Weighted Regression

 Preparando Dados
Arquivo de entrada no Software GWR 4.0: tabela com variáveis de
localização (X,Y ou lat,long)

Como incluir as variáveis de localização na tabela com os meus dados?

Opção no GeoDa
 Abrir shapefile (Municipios_AGUA&REDE_2010_SELECTED_WGS84.shp)
 Botão Direito sobre mapa
 Shape Centers
 Add Centroids to Table
 Preparando Dados

Visualize a tabela do shapefile e

observe as duas novas colunas
 Preparando Dados
Salve as alterações realizadas em um novo arquivo:
Shape Centers > Save Centroids >
 Preparando Dados
Salve as alterações realizadas em um novo arquivo:
Shape Centers > Save Centroids >
Selecione o formato “.csv” e salve com o nome e no local desejado
Software GWR 4.0

Selecionar o arquivo .csv

E visualizá-lo

Obs: caso o separador de

números decimais do
Windows seja vírgula “,”,
é aconselhavel alterar
para ponto “.” no painel
de controle do Windos
Software GWR 4.0
STEP 2

Selecione as seguintes
Variáveis:

ID

X (ou longitude)
Y (ou latitude)
Se for X,Y  selecione
“Projected”
Se for lat, long 
selecione “Spherical”

Variável Y (dependente)

Variáveis X
(independentes)
Software GWR 4.0

STEP 3: KERNEL

Tipo de Kernel:
- Adaptive bi-squared

Método de Seleção da
Largura de Banda
- Golden section search

Critério de Seleção
- AICc
Software GWR 4.0

STEP 4: OUTPUT

Indicar os arquivos que

deverão conter as saídas
do modelo
Software GWR 4.0
STEP 5: EXECUTE
Resumo dos Resultados
ARQUIVO .txt

DESCRIÇÃO DAS
OPÇÕES DE ENTRADA
DO MODELO
Resumo dos Resultados
ARQUIVO .txt

MODELO DE REGRESSÃO GLOBAL

(NÃO ESPACIAL)
Resumo dos Resultados
ARQUIVO .txt

DESCRIÇÃO DO PROCESSO DE
SELEÇÃO DA LARGURA DE BANDA
Resumo dos Resultados
ARQUIVO .txt

Era 33927 na Regressão Global

RESULTADOS GWR
ESTATÍSTICAS DESCRITIVAS
DOS COEFICIENTES
 Visualização dos Resultados
Saída: Arquivo no formato .csv

DICA
No arquivo .csv de saída é possível que o símbolo da vírgula (“,”)
tenha sido utilizado tanto como separador decimal quanto como
separador de colunas.

Neste caso, abra o arquivo .csv no bloco de notas (ou outro editor
de texto), vá em editar > substituir
 Substitua “, “ (vírgula + espaço) por “;” (ponto e vírgula). 
Assim o separador de coluna passa a ser representado por ponto
e vírgula ( ; ).

 Em seguida, substitua “,” (vírgula) por “.” (ponto)  assim o

separador decimal passa a ser representado por ponto (.)
 Visualização dos Resultados
Saída: Arquivo no formato .csv

- Estimativas dos Parâmetros (est_*)

- Erro Padrão dos Parâmetros (se_*)
- Estatística t dos Parâmetros (t_*)
- Valor do Y observado e do Y estimado (y e yhat)
- Resíduo e Resíduo Padronizado (residual e std_residual)
- R2 local, Estatística de Influência e Distância Cook (local R2, influence, CooksD)
 Visualização dos Resultados
Saída: Arquivo no formato .csv

Unir o arquivo .csv ao shapefile no QGIS (UNIÃO) para a

visualização dos resultados na forma de mapas!!!
 Visualização dos Resultados
Saída: Arquivo no formato .csv

Unir o arquivo .csv ao shapefile no QGIS (UNIÃO) para a

visualização dos resultados na forma de mapas!!!
 Visualização dos Resultados
Depois da “União”, podemos visualizar os resultados do GWR no QGIS
- Dois cliques sobre a camada > Estilo
Resíduos Padronizados
R 2 LOCAL
Betas: Renda
Estatística t: Beta Renda
Betas: REDE
Estatística t: Beta Rede
 Regressão “GWR”
Comparação

Regressão Regressão Regressão Regressão

Simples “Spatial “Spatial Lag” “GWR”
Error”
logLikelihood -16959 -16374 -16427 - 15789
Akaike Info 33925 32754 32863 32013
Criterion